[发明专利]一种基于模糊集的大规模群体决策方法

说明书

本发明公开了一种基于模糊集的大规模群体决策方法，包括以下步骤：S1、执行LGDM系统输入，迭代计数参数初始化为0；S2、进行基于K‑means的聚类；S3、进行基于模糊集的共识度计算；S4、迭代计数参数值加1，判断迭代计数参数的值是否小于最大迭代次数，若是则执行步骤S5，否则执行步骤S7；S5、判断迭代计数参数是否大于共识容忍度，若是则执行步骤S7，否则执行步骤S6；S6、执行自动局部调整；S7、执行最终选择。本发明能够降低共识度计算的复杂度，同时减小决策过程的耗费时间，有利于紧急事件处理情况下的大规模群体决策问题；在共识度低于容忍度的情况下，自动合理修改部分专家的选择偏好，减少反对意见来达到高共识度。

技术领域

本发明属于群体决策系统技术，特别涉及一种基于模糊集的大规模群体决策方法。

背景技术

大规模群体决策(LGDM，Large Group Making Decision)是由多人共同参与分析、发挥集体智慧、共同制定决策的整体过程。它不仅有利于集中各领域专家意见、充分利用知识优势形成更多的可行方案，同时也使得决策结果更为合理、有效。LGDM系统设计通常包括两部分：(1)系统输入；(2)共识模型的设计。

模糊LGDM问题是指参与决策的专家无法给出关于每个选择的确定性认可度，而只能给出一个模糊偏好。模糊LGDM问题通常通过模糊集理论来处理。

共识就是群体一致性意见，它是集体智慧的结晶。达成共识也可看成意见的综合或意见的收敛，有时也可叫做寻求一致的过程。共识模型是GDM系统中的核心。一个合理有效的共识模型不仅是专家意见的简单综合过程，同时也是通过合理修改专家意见、减少反对意见来达到高共识度的过程。LGDM系统中的共识过程是一个动态的、迭代的群体讨论过程，这个过程由主持人调节使专家的意见接近。在群体决策的开始，每个专家都有不同的意见，然后在迭代的每一步中应用共识过程和度量专家的意见之间的共识度。如果共识度低于一定的容忍度，主持人就会引导专家进一步的讨论使得他们的意见更接近。否则的话，主持人将应用选择过程得到最终的共识解。

目前，大部分基于共识模型的LGDM问题研究存在以下缺点：(1)仅局限于理论及方法模型的建立，不存在系统化的设计；(2)对于大规模的LGDM问题，参与决策者数量巨大，决策过程复杂，算法复杂度高，决策时间长；(3)对于紧急决策问题，决策共识度低，决策时间过长将会导致紧急措施无法有效执行；(4)非自动的反馈共识模型增加了人力成本和物力成本，同时也带来了时间浪费的问题。

综上所述，现有的针对LGDM问题的研究及实现存在缺乏系统化、决策过程复杂、决策时间长、无法适应大规模紧急决策问题等问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种采用基于K-means的专家聚类方法，降低共识度计算的复杂度，同时减小决策过程的耗费时间，基于自动局部反馈的专家意见修改方法来增大共识度的基于模糊集的大规模群体决策方法。

本发明的目的是通过以下技术方案来实现的：一种基于模糊集的大规模群体决策方法，包括以下步骤：

S1、执行LGDM系统输入，输入选择集合、专家集合、偏好集合、最大迭代次数、共识容忍度和聚类数目K；

S2、进行基于K-means的聚类，将K个聚类中心作为初始化值；偏好集合中的每一个元素均为一个n*n的矩阵，分别将矩阵的2范数作为该元素到这K个聚类中心的距离，选择距离最小的聚类作为该专家将进入的聚类；将每个聚类看作一个参与决策的整体，该整体的偏好矩阵按照下式给出：

表示第k个聚类中选择i相对于选择j的偏好值；n_k表示第k个聚类中所含专家的个数；k＝1,...,K；K表示总的聚类个数；

S3、进行基于模糊集的共识度计算；